qq_37241964的博客

原创 P1-自然语言生成NLG -九五小庞

定义：自然语言生成是指通过计算机程序将非结构化数据或结构化数据转化为自然语言文本的过程。它是基于知识库或逻辑形式等机器表述系统生成自然语言，可视为将资料转换成自然语言表述的翻译器。基本原理：NLG系统通常接受计算机可理解的结构化数据（如数据库中的数据）作为输入，经过一系列处理（包括内容确定、文档规划、句子规划等阶段），最终生成正确、流畅的自然语言文本。这一过程涉及到语义表示、语法规则、词汇选择等多个方面的考量。

原创 P1-新晋项目经理如何培训领导威信？-九五小庞

常见的会议问题：16字 | 会前勤准备，会中适当引导，严肃对待决议，跟踪执行情况。组织运作的基本套路：小范围讨论，树立标杆，大范围实施。TIPS:会议组织和会议纪要的“外包”会议纪要：威力巨大的“武器”

原创 P6-AI产品经理-九五小庞

AI产品经理的进阶之路

原创 P5-AI产品经理-九五小庞

AI产品经理的进阶之路

原创 机器学习数据集的一致性表现在哪些方面-九五小庞

总结而言，确保数据集的一致性是提高模型效果和泛化能力的关键。通过综合检查特征分布、数据规律、时间因素、分布式环境和神经网络特征表达的一致性，可以全面评估和保障数据集的一致性。这不仅有助于提升模型的性能，也为后续的特征工程和模型优化提供了坚实的基础。

原创 P4-AI产品经理-九五小庞

AI产品经理的进阶之路

原创 P3-AI产品经理-九五小庞

AI产品经理的进阶之路

原创 P2-AI产品经理-九五小庞

跟算法供应商沟通的专业度不足，容易被边缘化，导致需求实现不足无法评估AI技术实现难度，在产品设计上给自己挖坑或者被开发团队牵着鼻子走不知道团队预算、团队搭建（招什么人，给多少工资）、项目多长时间能实现没有数据采集的集中规划，会导致用户数据分析不明，画像不足

原创 P1-AI产品经理--九五小庞

AI产品经理的进阶之路

原创 机器学习与神经网络之间的关系 --九五小庞

深度学习：随着计算能力的提升和大数据的普及，神经网络得到了极大的发展，形成了深度学习的概念。综上所述，神经网络是机器学习领域中的一个重要工具，它通过模拟生物神经网络的结构和功能，实现了对数据的高效处理和学习。简而言之，神经网络是机器学习领域中的一个重要分支，尤其是深度学习的核心组成部分。作为机器学习的一个分支：神经网络是机器学习领域中的一个重要部分，特别是用于处理复杂的、非线性的、高维的数据集。优点：能够处理复杂的非线性关系，自动从数据中学习特征表示，对未知数据具有较好的泛化能力。神经网络的优点与局限。

原创 机器学习模型的训练过程和预测过程，用太上老君炼丹炉和孙悟空进行比喻--九五小庞

在古老的传说中，太上老君是一位擅长炼丹的神仙。他将各种珍贵的草药、矿石放入炼丹炉中，经过长时间的高温炼制，最终炼出神奇的丹药。这个过程与机器学习模型的训练过程有着惊人的相似之处。孙悟空在《西游记》中是一个神通广大的角色。当他遇到难题时，往往会借助太上老君炼制的仙丹来增强自己的力量和智慧。这个过程可以比喻为机器学习模型的预测过程。

原创 机器学习模型训练过程和预测过程 用孩子来生动的比喻 --九五小庞

当孩子掌握了足够的知识后，他们就可以开始应用这些知识了。这就像机器学习中的模型在训练完成后，开始对新的数据进行预测。想象一下，一个年幼的孩子刚开始学习新知识，这就像是机器学习的模型训练过程。

原创 【逻辑回归】和【线性回归】的区别和联系-九五小庞

逻辑回归（Logistic Regression）和线性回归（Linear Regression）是两种常用的统计学习和机器学习技术，它们各自具有特定的应用场景和优势。

原创 sklearn、tensorflow、keras区别与联系--九五小庞

从实践上来说，深度学习方法一般需要大量GPU机器，工业界哪怕大公司的GPU资源也是有限的，一般只有深度学习方法效果远好于传统方法并且 对业务提升很大的情况下，才会考虑使用深度学习方法，例如语音识别，图像识别等任务现在深度学习方法用的比较多，而NLP领域除了机器翻译以外，其他大部 分任务仍然更常使用传统方法。理论上来说，深度学习技术也是机器学习的一个组成部分，学习其他传统机器学习方法对深入理解深度学习技术有很大帮助，知道模型凸的条件，才能更好的理解神 经网络的非凸。

原创 DatabaseError: Execution failed on sql ‘SELECT name FROM sqlite_master WHERE type=‘table’ AND -九五小庞

查了pandas官网和其他不少有关to_sql的文章，都没有看到有提及数据库连接这个坑，不过我注意到，pandas官网的to_sql例子和其他文章的to_sql例子都有一个共同点，就是引用sqlalchemy这个第三方ORM库来进行连接的，然后我依样画葫芦，终于解决to_sql这个报错。df.to_sql(‘test’,conn,index=False’) # 然后写进数据库，坑这时出现了，就是conn导致的，你怎么都没想到，conn在read_sql中能正常读取，在to_sql中却报错。

原创 支持向量机、随机森林、K最近邻和逻辑回归-九五小庞

支持向量机（Support Vector Machine, SVM）、随机森林（Random Forest）、K最近邻（K-Nearest Neighbors, KNN）和逻辑回归（Logistic Regression）是机器学习和统计学习中常用的分类算法。

原创 LINUX中给mysql设置环境变量

是一个 bash shell 的配置文件，用于存储特定于用户的 shell 初始化命令。当您启动一个新的 bash shell（例如，打开一个新的终端窗口或标签页）时，这些命令会被执行。在编辑器中，您可以添加、修改或删除命令。例如，如果您想将 MySQL 客户端的二进制目录添加到 PATH 环境变量中，您可以在文件的末尾添加以下行（假设 MySQL 客户端安装在。但是，在 CentOS 的默认设置中，如果您是在使用 bash shell，那么。添加完更改后，您需要保存文件并退出编辑器。

原创 P1-机器学习的核心算法-九五小庞

PCA 的主要思想是将 n 维特征映射到 k 维上（k < n），这 k 维是全新的正交特征，也被称为主成分，是在原有 n 维特征的基础上重新构造出来的 k 维特征。K-Means算法是一种无监督学习的聚类算法，它试图将数据集中的n个观测值划分为K个（K≤n）聚类，使得每个观测值都属于离其最近的均值（即聚类中心或质心）对应的聚类，且作为该聚类中心的对象是均值迭代更新确定的。它可以帮助我们更好地理解数据的结构，发现数据中的潜在模式，并降低数据的复杂度，从而提高后续分析的效率和准确性。

原创 决策树原理-九五小庞

树模型决策树：从根节点开始一步步走到叶子节点（决策）所有的数据都会落到叶子节点，既可以做分类也可以做回归

原创 机器学习-数据集的划分-九五小庞

原创 从政府工作报告中探讨计算机行业发展-九五小庞

其次，政策导向方面，政府工作报告中会明确一系列的政策措施，以推动计算机行业的健康发展。最后，未来机遇方面，政府工作报告中的相关规划和政策导向为计算机行业提供了广阔的发展空间。同时，随着政府对于数字经济的重视和支持，计算机行业在数字政府、智慧城市等领域也将迎来更多的发展机遇。这些都将直接影响到计算机行业的发展趋势。通过深入解读报告内容，我们可以把握计算机行业的发展脉搏，为企业的战略规划和未来发展提供有力的支持。同时，我们也需要关注政策调整和市场变化，及时捕捉新的发展机遇，推动计算机行业实现更高质量的发展。

原创 （一）Python数据分析体系--九五小庞

课程地址：https://space.bilibili.com/387143299/channel/collectiondetail?sid=554734

原创 （六）Dropout抑制过拟合与超参数的选择--九五小庞

过拟合即模型在训练集上表现的很好，但是在测试集上效果却很差。也就是说，在已知的数据集合中非常好，再添加一些新数据进来效果就会差很多欠拟合即模型在训练集上表现的效果差，没有充分利用数据，预测准确率很低，拟合结果严重不符合预期dropout层为什么说Dropout可以解决过拟合取平均的作用先回到标准的模型即没有dropout，我们用相同的训练数据去训练5个不同的神经网络，一般会得到5个不同的结果，此时我们可以采取“5个结果取均值”或者“多数取胜的投票策略”去决定最终结果。减少神经元

原创 （五）网络优化与超参数选择--九五小庞

网络容量网络中神经单元数越多，层数越多，神经网路的拟合能力越强。但是训练速度，难度越大，越容易产生过拟合。如何选择超参数所谓超参数，也就是搭建神经网路中，需要我们自己去选择（不是通过梯度下降算法去优化）的哪些参数。比如，中间层的神经元个数，学习速率。如何提高网络的拟合能力增大网络容量增加层（深度）增加层会大大提高网络的拟合能力，这也是为什么现在深度学习的层越来越深的原因增加隐藏神经元个数（宽度）单纯的增加神经元个数对网络性能的提高并不明显注意：单层的神经元个数，不能太小，太小的

原创 （四）优化函数，学习速率与反向传播算法--九五小庞

多层感知器梯度下降算法梯度的输出向量表明了在每个位置损失函数增长最快的方向，可将它视为表示了在函数的每个位置向那个方向移动函数值可以增长。曲线对应于损失函数。点表示权值的当前值，即现在所在的位置。梯度用箭头表示，表明为了增加损失，需要向右移动。此外，箭头的长度概念化地表示了如果在对应的方向移动，函数值能够增长多少。如果向着梯度的反方向移动，则损失函数的值会相应减少。学习速率梯度就是表明损失函数相对参数的变化率，对梯度进行缩放的参数被称为学习速率（learning rate）或可称之为

原创 （三）softmax分类--九五小庞

softmax分类对数几率回归解决的是二分类的问题，对于多个选项的问题，我们可以使用softmax函数，它是对数几率回归在N个可能不同的值上的推广softmax各样本分量之和为1，当只有两个类别时，与对数几率回归完全相同损失函数的选择顺序编码-sparse_categorical_crossentropy独热编码-categorical_crossentropy

原创 （二）逻辑回归与交叉熵--九五小庞

线性回归预测的是一个连续值，逻辑回归给出的“是”和“否”的回答。

原创 （一）多层感知器（神经网络）与激活函数--九五小庞

多层感知器多层感知器，他是一种深度学习模型，通过多层神经元的连接和激活来解决非线性问题。激活函数激活函数的种类包括relu，sigmoid和tanh等relusigmoidtanhLeak relu

原创 接口对接优势--九五小庞

2.完整性：全面，详细，覆盖API的所有功能和用法。包括：质控类，检验业务类，互认类，互联互通类。3.实时性：接口采用RESTful方式，使得数据交互更加简单高效。4.安全性：接口调用携带token认证，交互数据加密上传。1.易用性：简单明了，易于理解和使用；

原创 好的机器学习模型在训练过程中应该满足以下几个条件--九五小庞

拟合性（Fitness）良好：这意味着模型在训练数据上的表现优秀，能够准确地捕捉数据的内在规律和模式。拟合性好的模型通常具有较高的准确性，能够对新样本进行准确的预测。 泛化能力强：一个好的模型不仅应该在训练数据上表现良好，还应该能够在新数据上表现良好。泛化能力是指模型从训练数据中学习到的知识能够应用到未见过的数据上的能力。泛化能力强的模型通常具有更好的鲁棒性和稳定性。 计算速度快：在训练过程中，一个好的模型应该能够快速收敛，减少训练时间。此外，在推理阶段，模型应该能够快速地对新样本进行预测，以满足实际应

原创 人工智能相关的政策文件都有哪些？--九五小庞

《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划（2018―2020年）》《新一代人工智能治理原则——发展负责任的人工智能》《关于促进大数据发展的行动计划》《大智能时代的关键之举——五问AI国家战略》

原创 中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要 --九五小庞

支持发展新型研究型大学、新型研发机构等新型创新主体，推动投入主体多元化、管理制度现代化、运行机制市场化、用人机制灵活化。瞄准人工智能、量子信息、集成电路、生命健康、脑科学、生物育种、空天科技、深地深海等前沿领域，实施一批具有前瞻性、战略性的国家重大科技项目。坚持创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑，面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康，深入实施科教兴国战略、人才强国战略、创新驱动发展战略，完善国家创新体系，加快建设科技强国。

原创 行业大模型--九五小庞

行业大模型是指针对特定行业或领域的大模型，通常基于通用大模型进行深度定制和优化，以满足特定行业的需求。与通用大模型相比，行业大模型更加专业化，能够更好地适应特定行业的语言、知识、数据等特点，并解决该行业的特定问题。行业大模型的应用范围广泛，可以应用于金融、医疗、教育、零售等领域。例如，在金融领域，行业大模型可以用于风险评估、信贷评估、投资决策等方面；总之，行业大模型是一种针对特定行业或领域的大模型，具备专业化、高性能、可扩展性和安全性等特点，能够为该行业的智能化升级提供有力支持。

原创 衡量模型的性能和准确性--九五小庞

这些指标是机器学习和人工智能中常用的评估标准。

原创 AI在检验数据方面的应用场景-九五小庞

总的来说，AI在检验数据方面具有巨大的应用潜力，可以大大提高检验的效率和质量，为医生提供更好的决策支持，同时也可以为患者提供更优质的医疗服务。但是，目前AI在检验数据方面的应用仍处于发展阶段，需要更多的临床验证和技术创新。

原创 数据保密协议-九五小庞

数据保密协议（Data Confidentiality Agreement）是一种协议，旨在保护敏感数据不被未经授权的第三方获取、使用或泄露。数据保密协议通常用于商业、政府和学术领域，以确保个人隐私、商业机密和国家安全得到保护。数据保密协议是一种重要的法律工具，可以帮助各方保护敏感数据的安全和机密性。在签署数据保密协议时，应该仔细阅读协议条款，确保明确了解自己的权利和义务，同时也应该确保协议符合相关法律法规的要求。

原创 机器学习在什么场景下最常用-九五小庞

机器学习在多个场景中都有广泛的应用，下面是一些常见的应用场景

原创 机器学习根据金标准标记数据-九五小庞

通过金标准标记数据，可以确保训练和测试数据的可靠性和一致性，为机器学习模型的训练和评估提供可靠的依据。同时，这也需要领域专家的参与和指导，以确保数据的准确性和有效性。根据金标准标记数据是一种在机器学习和数据科学中常见的操作，主要用于评估分类模型的性能。

原创 机器学习中的准确率，敏感性，特异性，阳性预测值，阴性预测值，假阳率，假阴率 -九五小庞

准确率是指分类模型正确预测的样本数占总样本数的比例，其计算公式为：(TP + TN) / (TP + TN + FP + FN)，其中TP表示真正例，TN表示真反例，FP表示假正例，FN表示假反例。敏感性也称为召回率或真正率，是指分类模型正确预测为正例的样本数占所有正例样本数的比例，其计算公式为：TP / (TP + FN)。阴性预测值是指分类模型预测为反例的样本中真正为反例的比例，其计算公式为：TN / (TN + FN)。阴性预测值越高，说明模型预测为反例的样本越可靠。

原创 人工智能（AI）中的一些常见名词-九五小庞

这些名词只是AI领域中的一部分，随着技术的不断发展，新的术语和概念也会不断涌现。